公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于NDVI物候特征的华南地区冬种马铃薯遥感提取方法被引量：9: 2016年; 马铃薯是华南地区的特色冬种农作物,其地块的"早稻―晚稻―冬种马铃薯"三季种植模式具有特有的植被指数时间序列曲线特征。利用这一特征,提出一种基于NDVI时间序列数据和SAM的冬种马铃薯种植面积提取方法。以广东省惠州市稔平半岛为研究区,冬种马铃薯面积为研究对象,采用2011年HJ-1 A/B CCD遥感数据为主要数据,计算每一景影像的NDVI后以时间为坐标轴排列成NDVI时间序列数据集,在此提取冬种马铃薯种植区的NDVI时间序列参考曲线,使用光谱角度匹配(SAM)方法,计算每个像元的NDVI时间序列曲线与NDVI时间序列参考曲线的光谱夹角值,根据Rule图像的统计参数确定夹角阈值,达到快速有效地在遥感影像上提取冬种马铃薯对应像元的目的。结果表明:研究区总体提取精度为82.70%,重点种植区域提取精度为93.75%,可见基于NDVI物候特征的SAM方法能够有效提取研究区冬种马铃薯的种植面积。; 黄思宇陈水森李丹刘尉王重洋姜浩; 关键词：冬种马铃薯种植面积物候遥感

基于HJ-1数据的冬小麦种植面积、长势与收割进度遥感监测被引量：10: 2016年; 及时、准确地获取冬小麦种植面积、长势、收割进度等信息对冬小麦产量预报和农田精细管理具有重要意义。本研究采用HJ-1A/B CCD1/CCD2影像,结合S-G滤波算法、波段最大化的光谱角目标探测器、阈值分割等方法进行新乡市冬小麦种植面积、小麦长势和收割进度等遥感监测。结果表明:(1)利用HJ卫星NDVI时间序列数据结合波段最大化的光谱角度目标探测器方法,可以进行冬小麦种植面积提取,各县市冬小麦种植面积提取相对误差在10%以内;(2)单景影像NDVI值阈值分割可以反映冬小麦长势在时空差异;(3)冬小麦达到抽穗期的时间不一致,NDVI值在4月15日和21日附近达到最大值;(4)利用成熟期和收割期不同时间的NDVI影像,可监测各县市冬小麦收割进度的时空差异。各县市冬小麦在6月4日前开始收割与6月15日左右完成收割工作。HJ卫星时间序列遥感数据可以进行冬小麦种植面积、长势、收割进度等遥感监测。; 李丹韩留生黄思宇王重洋刘尉陈水森; 关键词：冬小麦环境卫星种植面积长势

大气颗粒物遥感研究进展被引量：4: 2015年; 大气污染已成为全球性的环境污染问题之一,PM2.5和PM10已成为当前大气遥感研究的热点,以京沪穗为代表的特大城市更成为相关研究的重要焦点。通过对国内外相关文献的分析,以广州为例描述了地面站点监测的现状和不足,指出PM2.5遥感的关键问题为区域尺度气溶胶光学厚度垂直订正和区域尺度近地面消光系数湿度效应校正研究;通过空气质量模式系统进行相关研究,是包括PM2.5在内的大气颗粒物遥感的重要途径之一。; 陈水森王重洋刘尉李丹黄思宇陈良富; 关键词：大气颗粒物遥感气溶胶光学厚度消光系数

基于土壤反射光谱特性的广东省稻田土壤快速分类被引量：5: 2015年; 选择广东省215个村镇稻田的土壤样本,首先利用ASD Field Spec3测量土壤样本在350∽2 500 nm的光谱,并采用S-G一阶导数平滑滤波降低样本测量中光照差异的影响,然后将遗传算法（Genetic Algorithm,GA）和支持向量机分类（Support Vector Machine,SVM）分别用于提取分类光谱特征和建立分类模型,分别在土纲、亚纲、土类3个层次进行土壤分类。结果表明：1）在不同的分类层次下,与铁氧化物密切相关的650∽710以及900 nm附近光谱,与羟基矿物吸收有关的2 207∽2 237和2 377∽2 397 nm区间均被作为分类特征变量。2）随着土壤类型的细分,分类所需变量增多。在土类级,对有机质敏感的2 080 nm附近的光谱也被引入分类定标模型中,土纲和亚纲下分类精度〉67%,土类级分类精度为58.67%。利用遗传算法提取光谱特征,进行基于支持向量机的土壤分类具有一定优势。; 李丹彭智平韩留生王重洋刘尉黄思宇陈水森; 关键词：反射光谱土壤分类遗传算法支持向量机稻田

基于高光谱数据的荔枝SPAD值快速估测被引量：3: 2016年; 通过分析荔枝叶片的反射光谱曲线与荔枝秋稍老熟阶段叶片SPAD-502叶绿素计读数（SPAD值）之间的关系,探索高光谱数据进行荔枝叶片SPAD值估算的能力。研究4类光谱变量,第1类变量是其他文献中提出的光谱指数,第2类变量是基于波段迭代算法进行波段优化后的新指数,第3类变量是蓝边、黄边和红边（＂三边＂）的面积、位置、斜率,第4类变量是二阶导数光谱波峰、波谷区间区间内光谱曲线的面积、最值、最值处波长。结果表明：一阶导数的蓝边斜率和光谱二阶导数提取的490~520 nm范围内光谱数值之和与SPAD值的相关程度也很高（r分别为-0.834和-0.856）;对于3种光谱数据处理形式SNV光谱（Standard Normal Variate,SNV）、FD光谱（First Derivative,FD）和SD光谱（Second Derivative,SD）,波段迭代算法优化后的最佳四波段双差值指数与SPAD值相关性最好,其中（FD_（516）-FD_（474））-（FD_（684）-FD_（660））与SPAD值的相关系数最高达到0.875,预测模型的确定系数达到0.747,RMSECV为2.375。利用高光谱数据监测荔枝叶片SPAD值是可行的。; 李丹彭智平韩留生黄继川刘尉黄思宇陈水森; 关键词：SPAD值荔枝

全选清除导出

共1页<1>

刘尉